México
México
En este trabajo, se utiliza una estrategia difusa del tipo Takagi-Sugeno (T-S), con parámetros del modelo y control optimizados, aplicado a un sistema de generación de energía (SGE) compuesto por un motor de combustión interna (MCI) acoplado a un generador eléctrico. Con esta estrategia se evita derivar un modelo matemático mediante balance de energía con la termodinámica y el generador eléctrico en su representación no lineal. Primero, se identifica un modelo matemático no lineal para el sistema eléctrico de potencia con datos experimentales de entrada-salida utilizando el algoritmo difuso c-means en las premisas y el consecuente en espacio de estado. Luego, utilizando el algoritmo de enjambre de partículas (PSO), se identifica el parámetro óptimo difuso y se encuentran los polos óptimos del sistema que permiten seleccionar las ganancias del controlador. Dicho controlador está basado en la estrategia de compensación distribuida en paralelo (PDC), en la que para cada consecuente del modelo difuso T-S, se sintoniza un controlador de realimentación de estado. Así mismo, se utilizan desigualdades matriciales lineales (LMI) para demostrar la estabilidad del sistema. Por último, para validar la efectividad de las estrategias propuestas, se realizan pruebas experimentales del SGE usando un motor sin escobillas como carga, haciendo variar el consumo eléctrico.
In this work, a Takagi-Sugeno (T-S) type fuzzy strategy is used, with optimized model and control parameters, applied to a power generating system composed of an internal combustion engine (ICE) coupled to an electric generator. This strategy avoids deriving a mathematical model by means of energy balance with thermodynamics and the electric generator in its nonlinear representation. First, a nonlinear mathematical model for the electrical power system is identified using the fuzzy c-means algorithm in the premises and the consequent in state space, with experimental input-output data. Then, using the particle swarm algorithm (PSO), the optimal fuzzy parameter is identified and to find the optimal poles of the system for the controller gains. Then, using the parallel distributed compensation (PDC) strategy, for each consequent of the T-S fuzzy model, a state feedback controller is tuned. Also, linear matrix inequalities (LMI) are used to demonstrate the stability of the system. Finally, in order to validate the proposed strategies, experimental physical tests are performed with a brushless motor as load, varying the power consumption.
© 2001-2025 Fundación Dialnet · Todos los derechos reservados